PENERAPAN METODE NAÏVE BAYES CLASSIFIER UNTUK KLASIFIKASI JUDUL BERITA

Hendri Hartono, Alyauma Hajjah, Yulvia Nora Marlim

Abstract


Berita merupakan media informasi utama di dunia. Beragamnya berita yang disajikan oleh media digital saat ini, mencakup berbagai aspek seperti olahraga, hiburan, politik, kesehatan, keuangan, teknologi, dan lain-lain. Dengan beragamnya berita, maka diperlukan pengelompokan berita tersebut, demi memudahkan masyarakat dalam mendapatkan informasi yang diinginkan. Naïve Bayes merupakan metode klasifikasi yang sering digunakan dalam kasus pengelompokan. Naïve Bayes adalah metode klasifikasi dengan melakukan preprocessing pada judul berita,kemudian menghitung probabilitas setiap kelasnya. Kelas yang dipakai dalam metode ini adalah kategori berita. Kategori berita meliputi, Olahraga, Hiburan, Kesehatan, Politik, dan Teknologi.Dari 500 data latih yang dijadikan acuan untuk menghitung probabilitas, setelah data uji dimasukkan maka akan dihitung probabilitas setiap kata yang digunakan dan akan menghasilkan suatu kategori, dari 50 data yang diuji sebanyak 43 dokumen yang berhasil sesuai dengan kategori yang tepat yaitu sebesar 86% dan sebanyak 7 dokumen dengan kesalahan kategori sebesar 14%.

Kata kunci : Berita, Klasifikasi, Naïve Bayes, Probabilitas

References


W. Novia, “Kamus Besar Bahasa Indonesia,” 2006.

Juwito, “Menulis Berita Dan Features,” Menulis Ber. dan Featur., p. 148, 2008.

Yadi, “Implementation Algorithm C4.5 Classification Of Prospective Scholarship Recipients,” J. SimanteC, vol. 11, no. 1, pp. 27–32, 2022.

M. Sholih ’afif, M. Muzakir, M. I. Al, and G. Al Awalaien, “Text Mining Untuk Mengklasifikasi Judul Berita Online Studi Kasus Radar Banjarmasin Menggunakan Metode Naïve Bayes,” Kumpul. J. Ilmu Komput., vol. 08, no. 2, pp. 199–208, 2021.

M. Han, Jiawei, & Kamber, Data mining: Data mining concepts and techniques. 2006. doi: 10.1109/ICMIRA.2013.45.

F. A. Mufarroha and D. A. Fatah, “KLASIFIKASI JENIS REMPAH PENGHASIL MINYAK ATSIRI MENGGUNAKAN METODE MACHINE LEARNING,” J. SimanteC, vol. 11, no. 1, pp. 123–130, 2022.

T. Arifin and D. Ariesta, “Prediksi Penyakit Ginjal Kronis Menggunakan Algoritma Naive Bayes Classifier Berbasis Particle Swarm Optimization,” J. Tekno Insentif, vol. 13, no. 1, pp. 26–30, 2019, doi: 10.36787/jti.v13i1.97.

A.-H. Tan, “Text Mining: The state of the art and the challenges,” Proc. PAKDD 1999 Work. Knowl. Disocovery from Adv. Databases, vol. 8, pp. 65–70, 1999, doi: 10.1.1.38.7672.

and P. S. A. Usama Fayyad, Gregory Piatetsky-Shapiro, “Mining association rules in graphs based on frequent cohesive itemsets,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 9078, no. 3, pp. 637–648, 1996, doi: 10.1007/978-3-319-18032-8_50.

D. Santi, J. Nangi, and N. Ransi, “Implementasi Naïve bayes Clasifier dalam Klasifikasi Jenis Berita,” Foristek, vol. 10, no. 1, pp. 20–25, 2020, doi: 10.54757/fs.v10i1.52.

K. Sihotang and R. Ghaniy, “Penerapan Metode Naïve Bayes Classifier Untuk Penentuan Topik Tugas Akhir,” Teknois J. Ilm. Teknol. Inf. dan Sains, vol. 9, no. 1, pp. 63–72, 2019, doi: 10.36350/jbs.v9i1.7.

R. Feldman and J. Sanger, “The Text Mining Handbook,” 2007.

M. M. Suhadi, M. A. Helmi, and W. Setiawan, “Simulasi Klasifikasi Hama Dan Penyakit Pada Jagung Dengan Naive Bayes,” J. Simantec, vol. 10, no. 1, pp. 1–8, 2021, doi: 10.21107/simantec.v10i1.11686.

C. Wijaya and A. Hajjah, “PENERAPAN ALGORITMA NAÏVE BAYES UNTUK REKOMENDASI GENSET,” J. Tek. Inform. Kaputama, vol. 7, no. 1, pp. 53–60, 2023, doi: 10.31311/ji.v6i1.4685.

M. Y. Ilham, R. Wulanningrum, I. N. Farida, M. Ayu, and D. Widyadara, “Citra Telapak Tangan Dengan Metode Naïve Bayes Application of Intelligent System Classification of Palm Image With Naïve,” J. SimanteC, vol. 11, no. 2, pp. 139–146, 2023.




DOI: https://doi.org/10.21107/simantec.v12i1.19398

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Hendri Hartono, Alyauma Hajjah, Yulvia Nora Marlim

Indexed By